tslearn-team/tslearn

解决的问题

提供一个全面的工具包，用于对时间序列数据进行机器学习，简化了格式化、预处理和分析顺序数据的过程，这些过程通常需要专门的距离度量和算法。

如何工作

该库期望时间序列数据集以3D numpy数组的形式提供（序列数量、测量次数、维度数量）。它与 scikit-learn 无缝集成，遵循相同的 API 进行模型训练和超参数调优。它提供了处理可变长度时间序列以及缩放和重采样等预处理步骤的专用工具。

适用人群

需要使用 Python 对时间序列数据进行分类、聚类和回归的数据科学家和研究人员。

主要亮点

• 与 scikit-learn 兼容：完全兼容 scikit-learn 的管道和工具。
• 支持多种任务：包含用于分类（KNN、SVC）、聚类（K-Means、KShape）和回归（SVR、MLP）的工具。
• 专用度量标准：实现了高级距离度量，如动态时间规整（DTW）和全局对齐核（GAK）。
• 数据工具：内置对 UCR 数据集、合成数据生成器以及与其他 Python 工具包转换工具的支持。